Sijaintitieto ja geneettiset algoritmit pelien tekoälyssä Tekoälyalgoritmit tietokonepeleissä -seminaari Esa Junttila

2 Sijaintitieto pelien tekoälyssä

3 Sijaintitieto: esittely Pelialueen osilla on oltava jokin sijainti ja pelialueen tulee olla jaettavissa ruutuihin. Tarkoituksena on pitää kirjaa pelialueen asioista niiden sijainnin perusteella. Tekoäly hyödyntää sijaintitietoa omissa valinnoissaan. Erityisen suosittua 2-ulotteisissa reaali- ja vuoropohjaisissa strategiapeleissä.

4 Sijaintitieto: esiintymäkartat Esiintymäkartta on 2-ulotteinen taulukko, joka kattaa koko pelialueen. Säilöö pelialueesta kerättyä tietoa. Taulukon alkiot kertovat jonkin asian esiintymisestä vastaavassa ruudussa. Käytössä voi olla useita esiintymäkarttoja erilaisille tarkkailtaville asioille.

5 Sijaintitieto: esiintymäkartat Esiintymäkartan sisältö voi pysyä aina samana tai muuttua pelin aikana. Samasta esiintymiskartasta voidaan tehokkuussyistä käyttää useita eri tarkkuuksisia versioita. Yleistyy 3-ulotteisiin peleihin (3-ulotteinen taulukko).

6 Sijaintitieto: kartta-analyysi Kartta-analyysi yrittää selvittää hyödyllistä tietoa esiintymäkartoista. Hahmontunnistuksen erikoistapaus. Ainoa keino saada tietoa muuttuvasta pelialueesta. Jokaiselle tutkittavalle asialle tarvitaan oma hahmontunnistusalgoritmi.

7 Sijaintitieto: tekoälysovellukset Pelialueen tuntemattomien alueiden kartoitus Omien ja vastustajien joukkojen sijainnit Pelialueen esteet (reitinetsintä) Vaaralliset alueet Pelialueen pullonkaulat (väijytys)

8 Sijaintitieto: tekoälysovellukset Rakennukset ja esteet

9 Sijaintitieto: tekoälysovellukset Resurssien sijainnit

10 Sijaintitieto: tekoälysovellukset Suositut kulkureitit

11 Sijaintitieto: vahvuudet ja heikkoudet + Erilaisia esiintymäkarttoja on helppo ymmärtää ja toteuttaa. + Esiintymäkartat ovat yleiskäyttöisiä ja joustavia. + Tekoälyn vaikeustasoa voidaan säätää kasvattamalla tai pienentämällä esiintymäkartan ruutukokoa. − Esiintymäkartoilla on suuri muistinkulutus.

12 Sijaintitieto: vahvuudet ja heikkoudet + Kartta-analyysissä voidaan käyttää valmiita hahmontunnistusalgoritmeja. + Tekoälyn vaikeustason säätäminen onnistuu kytkemällä analyysitoimintoja päälle tai pois päältä. − Pelikohtaisten asioiden tunnistamiseen tarvittavat algoritmit voivat olla hankalia toteuttaa. − Hahmontunnistus voi olla aikaa vievää.

13 Geneettiset algoritmit (GA) tekoälyssä

14 GA: esittely Luonnon evoluutiossa yksilöt muuttuvat ja sopeutuvat elinympäristöönsä. Populaatio, luonnonvalinta, risteytys ja mutaatio ovat mukana myös geneettisessä algoritmissa. Kehitettiin 1950-luvun lopussa evoluution simuloimiseen. Käytetty 1970-luvulta lähtien lukuisiin kombinatorisiin ongelmiin.

15 GA: geneettinen algoritmi Yleiskäyttöinen paikallisen etsinnän tekniikka, (vrt. simuloitu jäähdytys). Populaatio koostuu yksilöistä, joita pyritään kehittämään mahdollisimman hyviksi. Etsimisen ja hyödyntämisen ongelma. Ei tuota välttämättä optimaalista ratkaisua.

16 GA: geneettinen algoritmi

17 GA: geenien määrääminen Geeni määrää yksilön jonkin ominaisuuden. Geenien arvot ovat yleensä totuusarvoja tai reaalilukuja. Genomi sisältää yksilön kaikki geenit, joten se kuvaa yksilön täydellisesti. Genomi kannattaa valita huolellisesti, sillä se määrittelee kaikki mahdolliset yksilöt.

18 GA: hyvyysfunktio Luonnonvalinta suosii elinkelpoisia yksilöitä. Populaation yksilöitä verrataan toisiinsa hyvyysfunktion avulla. Hyvyysfunktio määrää kehityksen suunnan. Tarkan hyvyysfunktion keksiminen voi olla haasteellista.

19 GA: valinta Valinta määrää populaatiosta yksilöt muodostamaan seuraavaa sukupolvea. Myös huonoja yksilöitä mukaan (monimuotoisuus). Rulettivalinta: valinta suhteessa hyvyyteen. Sijalukuvalinta: valinta sijoituksen perusteella. Elitismi: parhaat kopioidaan uuteen sukupolveen.

20 GA: risteytys Uudet yksilöt muodostetaan risteyttämällä kaksi yksilöä. Jälkeläinen perii geenien arvot vanhemmiltaan. Totuusarvoiset geenit kopioidaan suoraan; reaalilukuja saatetaan hieman muuttaa.

21 GA: risteytys Tasainen risteytys: Geenin antaja arvotaan jokaisen geenin kohdalla. Monipisteristeytys kolmella pisteellä: Geenit kopioidaan neljässä sarjassa.

22 GA: mutaatio Risteytyksessä voi tapahtua häiriöitä. Mutaatiot säilyttävät populaation monimuotoisuuden. Mutaatio kääntää totuusarvoisen geenin arvon ja siirtää reaalilukuarvoisen geenin arvoa. Mutaatio:

23 GA: tekoälysovellukset Populaation yksilöt ovat tekoälyehdokkaita. Yksilön genomi määrää tekoälyn käyttäytymisen (käsikirjoitettu tekoäly). Algoritmin hyvyysfunktiona voidaan käyttää pelin nopeutettua versiota ja jotakin pisteytystä.

24 GA: tekoälysovellukset Esimerkki: selvitettävä optimaalinen ajolinja autopelissä, kun muita autoja ei ole radalla. Rata jaetaan useisiin etappeihin. Jokaisella etapilla on geeneinä ajolinja (reaaliluku [0,1]) ja tavoitenopeus (reaaliluku [10,400]). Jos tekoäly osaa liikuttaa kilpa-autoa etapilta toiselle, niin geenien arvot määräävät ratakierroksen kulun.

25 GA: tekoälysovellukset

26 GA: tekoälysovellukset Tekoälyn parametrien hienosäätöön (Gran Turismo –autopelin autojen virittely) Creatures ja Black & White -pelit Keinoelämä

27 GA: vahvuudet ja heikkoudet + Yleispätevä etsintätekniikka kombinatorisiin ongelmiin. − Simulaatiot ovat raskaita, eivätkä juuri sovellu käytettäväksi pelin aikana. − Algoritmin parametreja voi olla hankala säätää kohdalleen (genomi, valinta, risteytys, mutaatiot). − Ei tue suoraan vaikeustason säätämistä.

28 Yhteenveto Sijaintitieto: Esiintymäkartat tallentavat sijaintitietoa ja kartta- analyysi tutkii niiden sisältöä. Yksinkertainen ja suosittu tekniikka. Geneettiset algoritmit Kehittää tekoälyä evoluutiomallin mukaisesti. Usean muuttujan optimoimiseen. Sopii hitautensa vuoksi yleensä vain pelin tuotantovaiheeseen.